¿Qué construyen los equipos con una API de búsqueda web para agentes de IA?

¿Qué tienen en común estas cuatro tareas?

Cada una necesita las palabras de la página, no solo una lista de enlaces. Un fragmento de 160 caracteres rara vez contiene la cifra, la fecha o la condición que un modelo debe citar. Por eso la mayoría de los stacks acaban con dos servicios: una API de búsqueda para encontrar URLs y un lector para descargarlas.

LLMWebSearch une los dos pasos. Una sola llamada ejecuta una búsqueda web en vivo y lee las primeras páginas que encuentra. Cada resultado lleva su posición, título, URL, host, snippet y, cuando se ha leído, el contenido principal de la página como Markdown o texto plano, con su recuento de palabras y la fecha de publicación cuando se conoce. El agente recibe texto que puede citar en el mismo ida y vuelta, y tú recibes una sola factura.

La otra necesidad común es el control. Tú decides cuántos resultados se devuelven (max_results), cuántas páginas se leen (read) y cuánto puede ocupar cada página (max_chars). Esos tres números determinan tanto el coste en tokens de tu lado como el coste en créditos del nuestro.

¿Qué ajustes encajan con cada caso de uso?

Empieza por los valores por defecto y cambia una cosa cada vez.

• Herramienta de agente. Mantén max_results=5 y read=3, y limita las páginas a entre 3.000 y 5.000 caracteres. Los agentes llaman a la herramienta a menudo, así que las respuestas cortas mantienen limpio el contexto.
• Investigación profunda. Muchas búsquedas pequeñas superan a unas pocas grandes. Usa read=3 por consulta y ejecuta más consultas. Sube read solo cuando una consulta deba cubrir en profundidad un tema muy concreto.
• RAG. Pide páginas más largas (max_chars en torno a 12.000) y trocéalas tú mismo. Añade include_domains cuando las respuestas deban venir de fuentes conocidas.
• Monitorización de noticias. Configura topic=news y time_range=day, y luego elimina las URLs que ya hayas visto. Lee tres artículos por consulta para resumir qué ha cambiado.

Todos los filtros están en la referencia de búsqueda.

¿Cómo dimensiono un primer pack?

Multiplica las tareas por día por las búsquedas por tarea, y luego por 30. Un asistente que responde 100 preguntas al día con 4 búsquedas cada una necesita unas 12.000 búsquedas al mes. Eso cabe en 25.000 búsquedas con margen para un segundo mes.

Los créditos no caducan al final del ciclo de facturación. Los créditos de búsqueda no caducan: lo que no uses este mes seguirá ahí el año que viene. Un pack pequeño comprado para un prototipo conserva su valor hasta que el proyecto crece. La guía de costes analiza tres casos más grandes y los compara con otras APIs y con las herramientas de búsqueda integradas en los modelos.